WFH 31 – Google Developer Essentials

Kegiatan : Course online
Platform : Qwiklabs
Topik : Google Developer Essentials
Tautan : https://www.qwiklabs.com/quests/86
Harga : Gratis
Waktu : 3h45m – 6h15m
Progres : 2/12 (target 12 dari total 22)
Pendahuluan : https://gugelberg.com/wfh-24-juaragcp/

Sengaja mengambil course ini karena berdasarkan informasi terpercaya course ini cukup singkat. Demi tas gratis ilmu, saya akhirnya memutuskan ikut course ini. Kebetulan ada beberapa lab yang pernah kulakukan, sehingga total hanya perlu 3h5m saja untuk mendapatkan badge ini.

Course kali ini agak unik karena ada pilihan course. Total course yang harus diselesaikan ada 5 dengan 3 mandatory dan 4 optional.

  • Weather Data in BigQuery
  • Classify Images of Clouds in the Cloud with AutoML Vision atau Entity and Sentiment Analysis with the Natural Language API
  • Google Assistant: Build a Restaurant Locator with the Places API
  • App Engine: Qwik Start – Java atau App Engine: Qwik Start – Python
  • Autoscaling an Instance Group with Custom Cloud Monitoring Metrics

Karena ada pilihan itu, waktu menyelesaikan course ini berkisar antara 3h45m atau 5h15m, atau kalau mau semua course diambil ya 6h15m. Cocok kalau mau mencari course yang cepat.

Course ini merupakan pengantar untuk menunjukkan kemampuan Google Cloud Ecosystem. Di quest ini kita bisa belajar cara untuk develop dan scale up tanpa perlu memikirkan infrastruktur, biarlah GCP yang mengurus. Quest ini juga menggunakan cukup banyak API, lumayan seru sih. Cocok buat yang suka main-main.

Tools dan API yang digunakan di quest ini adalah:

  • BigQuery
  • Cloud AutoML API
  • AutoML UI
  • Nature Language API
  • Places API
  • Google Actions Console
  • DialogFlow
  • Maps JavaScript API
  • Geocoding API
  • Google App Engine Admin API
  • Autoscalling

Quest ini cukup menarik, setidaknya ada 3 lab yang aku rekomendasikan.

Classify Images of Clouds in the Cloud with AutoML Vision

Lab tentang menggunakan AutoML untuk mempelajari klasifikasi awan. Ada 3 kategori awan yang digunakan yaitu cirrus, cumulus, dan cumulonimbus. Setelah ML mempelajari selama beberapa menit (agak lama), kita bisa mengunggah foto awan untuk diklasifikasikan di antara 3 tipe awan tersebut. Lumayan seru buat main-main.

Google Assistant: Build a Restaurant Locator with the Places API

Ini mungkin lab yang paling banyak toolsnya. Menggunakan 3 API (Places API, JavaScript API, dan Geocoding API), DialogFlow dan Google Actions Console. Di lab ini kita membuat sebuah tools yang bisa membantu orang untuk mencari tempat makan dengan menggunakan Google Assistant. Dengan menentukan tempat asal kita, jarak maksimal yang ingin kita tempuh, dan tipe makanan yang ingin kita makan, kita bisa mendapatkan gambar restoran yang sesuai dengan kriteria. Keren kan.

Mencari makan menggunakan API

Autoscaling an Instance Group with Custom Cloud Monitoring Metrics

Sebenarnya ini mungkin biasa saja, tapi baru kali ini main pake autoscaling. Secara garis besar tidak ada yang istimewa sih karena dari hit tidak terlalu tampak juga scale up dan scale down-nya. Namun lab ini bisa sedikit memberikan gambaran tentang betapa mudahnya untuk scaling itu.

Selamat bermain!